大数据云计算背景下的犯罪预测研究

2018-01-22胡素梦

法制博览 2018年24期

胡素梦

黑龙江大学法学院，黑龙江哈尔滨 150080

一、犯罪预测的方法

(一)热点分析

热点分析是根据历史犯罪数据，确定犯罪率较高的地区。这一分析的理论假设是犯罪会发生在犯罪发生过的地方。在热点分析中，热点的范围需要进行权衡，如果范围过大，可能会导致分析结果无法应用，如果范围过小，就可能会漏掉一些相关的地点。只有在一个较为合理的范围内，数据才能得到充分的运用。

(二)回归分析

回归分析是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。回归分析的运用非常广泛。与热点分析不同，回归分析除了历史犯罪数据之外，会用到更多的相关数据。这里的犯罪数据不仅局限于公安机关的大数据，其他司法机关、国家安全机关、政府机关等的数据都可以应用到基于大数据的犯罪预测回归分析中，曾有研究将“天气状况”作为变量，探讨其对犯罪的影响。

(三)数据挖掘

随着计算机计算速度的加快，能够在短时间内处理大量的数据，使用超线性回归的数据挖掘得以发展。数据挖掘并没有单一的核心技术，相反，数据挖掘应该被看作是从大量数据中提取信息的一套工具。数据挖掘中使用的具体计算技术取决于被分析数据的性质。在犯罪预测中，通常会选择大量的变量，用极其复杂的算法进行预测，这种方法被叫做“黑盒模型”，虽然运算所用时间很长，但比简单的方法更加准确。